Question

从以下字符串中仅提取数字2007的好方法是什么：

some_string <- "1_2_start_2007_3_end"

在我的案例中检测年份数的模式是：

4位数
被“_”包围

我很擅长使用正则表达式。我尝试了以下方法：

 regexp <- "_+[0-9]+_"
 names <- str_extract(files, regexp)

但这并没有考虑到总有4位数字并输出下划线。

Answer 1

您也可以使用sub选项：

some_string <- "1_2_start_2007_3_end"
sub(".*_(\\d{4})_.*", "\\1", some_string)

请参阅regex demo

<强>详情

.* - 任意0个字符，尽可能多
_ - _字符
(\\d{4}) - 第1组（通过替换模式中的\1引用）：4位数
_.* - 一个_，然后是字符串末尾的任何0+字符。

注意：akrun的str_extract(some_string, "(?<=_)\\d{4}")会提取最左边的事件，我的sub(".*_(\\d{4})_.*", "\\1", some_string)会提取最右边的事件用_括起来的4位数字符串。对于我的返回最左边的解决方案，请使用第一个.：sub(".*?_(\\d{4})_.*", "\\1", some_string)的惰性量词。

R test：

some_string <- "1_2018_start_2007_3_end"
sub(".*?_(\\d{4})_.*", "\\1", some_string) # leftmost
## -> 2018
sub(".*_(\\d{4})_.*", "\\1", some_string) # rightmost
## -> 2007

Answer 2

我们可以使用正则表达式lookbehind指定_并提取后面的4位数

library(stringr)
str_extract(some_string, "(?<=_)\\d{4}")
#[1] "2007"

如果模式在4位数之前和之后都显示-，那么也可以使用正则表达式前瞻

str_extract(some_string, "(?<=_)\\d{4}(?=_)")
#[1] "2007"

Answer 3

只是为了得到一个非正则表达式的方法，我们在_上拆分并转换为数字。所有非数字都将被强制转换为NA，因此我们使用!is.na来消除它们。然后我们使用nchar计算字符数，然后用4来计算字符。

i1 <- as.numeric(strsplit(some_string, '_')[[1]])
i1 <- i1[!is.na(i1)]

i1[nchar(i1) == 4]
#[1] 2007

Answer 4

这是我能想到的最快的正则表达式：

\S.*_(\d{4})_\S.*

这意味着，

任意数量的非空格字符，
然后_
后跟四位数（d {4}）
以上四位数是您使用（）
另一个_
任何其他乱码非空格字符串

因为，你提到你是新手，请在https://regex101.com/测试这个和所有其他答案，非常好学习正则表达式，它深入解释你的正则表达式实际上在做什么。

如果您只关心（年），那么在正则表达式之下就足够了：

_(\d{4})_

从包含特殊字符的字符串中提取年份编号

4 个答案: